Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Jev: l'output vincolato non è output corretto
Il post chiarisce che "zero allucinazioni" richiede contesto. Jev può rispondere solo tra le opzioni consentite, ma può scegliere quella sbagliata. Il suo vero contributo è la specializzazione: decisioni parallele, probabilità native, bassa latenza.
"Zero hallucinations" needs context. Jev can't produce an answer outside the allowed choices. It can still choose the wrong one. Constrained output, not correct output. Its real contribution is specialization: parallel decisions, native probabilities, low latency.
· 0 likesOpen on X
More like this
Prezzi, valutazioni e origine del nome Jev
Il thread di lancio spiega le valutazioni dei workflow code + AI, il prezzo di input annunciato e i token di output gratuiti.
Modello Jev: generazione di probabilità per le decisioni, 200× più veloce e 400× più economico degli LLM
Questo modello è progettato per il processo decisionale anziché la generazione di testo, generando probabilità per ogni opzione in parallelo invece di risposte token per token. L'autore condivide un esempio semplificato di confronto tra LLM normali e questo modello Jev.
